Temperature correction method for pattern similarity-based short-term electricity demand forecasting models

• Autorzy: Janicki M

Identyfikatory

DOI

10.15199/48.2017.03.03

Warianty tytułu

PL

Metoda korekcji temperaturowej modeli opartych na podobieństwie obrazów do prognozowania krótkoterminowego zapotrzebowania na energię elektryczną

• Języki publikacji: EN

Abstrakty

EN

In this paper, a temperature extension of pattern similarity-based (PSB) short-term load forecasting models is proposed. Different variants of these models were recently thoroughly described in literature, though focus was placed on univariate-type ones. Proposed method introduces correction of temperature bias into the model. PSB model with proposed correction is examined on several datasets illustrating power systems with various demand characteristics. Different variants of method are investigated to evaluate its influence on forecasting performance of the model.

PL

W pracy przedstawiono temperaturowe rozszerzenie modeli prognostycznych opartych na podobieństwie obrazów. Proponowana metoda wprowadza do modeli korekcję uwzględniającą wpływ temperatury na zapotrzebowanie na energię. Działanie różnych wariantów przedstawionej korekcji jest badane na zbiorach danych pochodzących z różnych systemów energetycznych.

Słowa kluczowe

EN

short-term load forecasting; pattern similarity-based model; temperature correction

PL

prognozowanie krótkoterminowe obciążeń; podobieństwo obrazów; korekcja temperaturowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2017
• Tom: R. 93, nr 3
• Strony: 11--14
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Janicki M

• Czestochowa University of Technology, al. Armii Krajowej 17, 42-200 Czestochowa, Poland

Bibliografia

• [1] Popławski T., Dudek G., Łyp J., Forecasting Methods for Balancing Energy Market in Poland, International Journal of Electrical Power and Energy Systems, 65 (2015), 94-101
• [2] Kyriakides E., Polycarpou M., Short Term Electric Load Forecasting: A Tutorial, Studies in Computational Intelligence, 35 (2007), 391-418
• [3] Dudek G., Pattern Similarity-based Methods for Short-term Load Forecasting – Part 1 – Principles, Applied Soft Computing, 37 (2015), 277-287
• [4] Dudek G., Similarity-based approaches to short-term load forecasting, In: Forecasting models: methods and applications. iConcept Press, 2010a, 161-78
• [5] Dudek G., Pattern Similarity-based Methods for Short-term Load Forecasting – Part 2 – Models, Applied Soft Computing, 36 (2015), 422-441
• [6] Hobby J.D., Tucci G.H., Analysis of the Residential, Commercial and Industrial Electricity Consumption, IEEE PES Innovative Smart Grid Technologies Asia (ISGT), 1 (2011), 1-7
• [7] Henley A., Peirson J., Non-linearities in Electricity Demandand Temperature: Parametric versus Non-parametric Methods, Oxford Bulletin for Economics and Statistics, 59 (1997), 1149– 1162
• [8] Dudek G., Systemy uczące się oparte na podobieństwie obrazów do prognozowania szeregów czasowych obciążeń elektroenergetycznych, Akademicka Oficyna Wydawnicza Exit, (2012), 125-129
• [9] ELIA: http://www.elia.be/en/grid-data/data-download, ERCOT: http://www.ercot.com/gridinfo, Weather data (NCDC): http://www7.ncdc.noaa.gov/CDO/cdo.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).